在智能芯片行业里，有一类人既不在设计前端画电路，也不在产线上盯设备，却能在方案落地前把一颗芯片的适用边界讲清楚。程亦舟就是这样一位产业观察者。他早年在测试环节做了七年，后来转向芯片选型顾问，如今主要帮终端团队梳理AI推理芯片的评估维度。他的经历恰好折射出这个行业从“拼参数”走向“拼适配”的变化，也解释了为什么越来越多球迷在关注赛事之余，会通过免费看球赛的app了解背后的技术支撑。

测试台上练出的判断力

程亦舟常说，测试岗位给了他两样东西：一是对数据口径的敏感，二是对场景差异的敬畏。同样一颗推理芯片，在实验室的峰值吞吐和在真实业务里的稳定输出往往不是一回事。他习惯把公开规格书里的每一项指标拆成“可复现条件”和“理想条件”两类，再对照终端团队的实际负载去判断。

  • 先看任务类型：是单批次大模型推理，还是高并发小请求，两者对显存带宽和调度能力的要求完全不同。
  • 再看数据精度：公开资料里的算力数字往往标注了特定精度，脱离精度谈算力容易误判。
  • 最后看生态成熟度：编译工具链、算子库、框架支持程度，决定了方案从样机到量产的周期。

这套方法后来被他整理成一份内部评估清单，也成了他在免费看球赛的app行业资讯栏目里写解读文章时的基本框架。他强调，清单不是标准答案，而是防止遗漏的提醒。

选型顾问的日常：在信息缝隙里做核对

转向顾问工作后，程亦舟的日程被分成三块：读公开文档、访谈一线团队、整理对比表。他极少依赖单一来源，遇到厂商公开材料里的性能描述，会去找对应的白皮书、标准文档或第三方评测做交叉核对。无法核验的数字，他一律标注为“示例数据”，并在文末说明推导过程。

他给终端团队做咨询时，最常提醒的一句话是“先定场景，再定芯片”。边缘侧设备受功耗和散热约束，数据中心侧更看重吞吐与互联能力，两者不能套用同一套评价体系。他也因此养成了一个习惯：每接一个项目，先画一张业务负载图，再去看芯片的架构特点。这份耐心让他在免费看球赛的app的读者群里积累了不少信任，常有读者留言请他拆解某类方案的取舍逻辑。

把复杂信息讲给更多人听

程亦舟并不认为产业信息只属于工程师。他在免费看球赛的app上开设的专栏，刻意避开了堆砌术语的写法，而是用“这颗芯片适合什么任务、不适合什么任务”的结构来讲。他相信，清晰的信息组织本身就是一种产业基础设施。

他最近在整理一份关于推理芯片评估的系列笔记，计划按任务类型分册，每册都附上公开来源清单。他说，行业变化快，个人的判断会过时，但核对信息的方法不会。对普通读者而言，这样的内容比一句“性能很强”更有价值，也正是免费看球赛的app行业资讯栏目持续更新的意义所在。